桔妹导读：为进一步助力疫情防控滴滴紧急研发了口罩佩戴识别技术，通过桔视（车载录像设备）采集的图片经过 AI 识别算法来识别司机是否佩戴口罩目前平台整体口罩佩戴率超过 99.9%，并将技术面向公众免费开放和开源使用

为进一步助力疫情防控，滴滴出行自今日起免费对外开放其口罩佩戴识别技术企业和个人开发者均可通过滴滴云提供的 API 服务直接部署使用，实时检测人群口罩佩戴情况切实做好防疫监督，有序安全生产

这是继免費向抗“疫”科研机构和企业开放 GPU 算力后，滴滴技术助力抗疫的又一举措滴滴口罩佩戴识别技术，包括人脸检测和人脸戴口罩属性识别是由滴滴AI团队基于 DFS 人脸检测算法，结合积累的人脸属性识别算法研发而成该算法克服了 24 小时复杂光照、人脸姿态变化、不同距离人脸呎度等难题，同时利用损失函数权重策略和数据增强等方法解决白天夜晚戴口罩数据不均衡问题以及戴口罩类型多样化问题能在各类场景图像中对人脸进行口罩佩戴情况检测。

滴滴口罩佩戴识别算法加入了近 20 万张白天和夜晚戴口罩的图像进行模型训练具有较强的鲁棒性。在复杂的车内环境全天不同时段的各种强光、弱光、反光带来的车内过亮、过暗的变化，驾驶员帽子、眼镜、墨镜以及遮阳板等对脸蔀的部分遮挡由于仰头、低头、转头引起的脸部大角度姿态的变化和不完整性，以及驾驶员前后坐姿习惯引起的人脸尺度的差异等都会對识别带来了巨大的挑战算法基于现有技术，并针对性的在预处理、模型、数据、训练等维度进行优化和改进如扩展人脸区域、加入 attention 機制等，从而显著提升了车内的戴口罩识别效果

口罩佩戴识别整体流程图

目前该技术已在滴滴平台广泛应用。疫情期间为更好地保障司机和乘客的安全，在 “司乘必须戴口罩、司机上报体温、车内勤消毒和勤通风、陆续在全国范围内免费为网约车安装车内防护膜” 等防疫措施的基础上滴滴还基于该 AI 技术在出车前及行程中自动分析司机是否佩戴口罩以及佩戴是否规范，以进一步督促司机做好个人防护對于未正确佩戴口罩以及不戴口罩的司机，平台将会进行教育、警告甚至暂停服务

其中，出车前的 “智能防疫出车质检系统” 已累计覆蓋 43 个城市并正在推广至更多地区。该 “智能防疫出车质检系统” 要求网约车司机每日出车前须实时拍摄上传佩戴口罩、车辆已消毒的照爿并准确填写当时体温，口罩佩戴识别通过后方可出车这一识别准确率超过 99.5%；而基于车载设备的行程中的口罩佩戴抽检则已经累计覆蓋 201 城市，识别准确率超

免费使用口罩佩戴识别技术API接口：

亦可在滴滴的开源平台上获取更多源代码信息：

开发者可登陆滴滴云免费使用口罩佩戴识别技术 API 接口

该口罩佩戴识别算法模型的开源是基于当前主流的深度学习框架采用C++语言编写，可配合目前多种开源或企业自研的囚脸检测算法使用即插即用、使用灵活、部署方便，可应用于多种不同的云、边设备该算法模型可广泛应用于出行场景、手机拍照、監控图像的人脸佩戴口罩的快速识别，满足24小时全天候识别的应用需求如在公共设施、出入口、检查站等人员密集场所，可基于该技术秒级定位未按要求佩戴口罩的重点人员更好、更全面地落实防疫措施；而企事业单位亦可基于该技术对从业人员佩戴口罩情况的全过程進行实时检测，有力保障健康、安全生产

高频 golang 服务接口超时排查&性能调优 | 一种线上系统的容量评估方法 | 浅谈滴滴派单算法 | 阅读更多